Adquisición y dominio de conceptos básicos y de conocimientos sobre los avances en Big Data:

– Cómo evoluciona el BI tradicional al Big Data (navegación web, geolocalización, audiencias TV,…)

– El Big Data como solución al tratamiento masivo de datos: definición e historia desde su invención.

– Hadoop como revolución para el tratamiento paralelo de datos masivo.

– Características del Big Data (4 V’s y más): volumetría, velocidad, variedad (estructurados/no estructurados), veracidad (calidad del dato), valor del dato, …

– Nuevos paradigmas del Big Data: Procesos en Real Time y Cloud Computing.

Conocimiento de nociones básicas sobre arquitectura Big Data y principales tecnologías:

– El ecosistema Hadoop: HDFS y MapReduce.

– Principales lenguajes de programación utilizados: Java, Scala, SQL y Python.

– Procesos ETL (extracción, transformación y carga): Flume, Sqoop y HIVE.

– Procesos Real Time y bases de datos de alta disponibilidad: Kafka, HBASE y Redis.

– Procesamiento y analítica avanzada con Spark.

– Seguridad y gobierno del dato.

Comprensión de los principales conceptos sobre La “Ciencia de datos” e IA:

– Introducción a la “Ciencia de datos” y la Inteligencia Artificial.

– Principales lenguajes de programación utilizados: R y Python.

– Algoritmos supervisados: ¿Qué son? Algunos Ejemplos.

– Algoritmos no-supervisados: ¿Qué son? Algunos Ejemplos.

– Introducción al Deep Learning y el Aprendizaje por Refuerzo.

– Procesamiento de información no estructurada: Imágenes y Textos.

– Visualización de datos: Visualizaciones interactivas y Dashboards.

Adquisición de una visión trasversal sobre el futuro del BigData y cómo se aplica actualmente en diferentes áreas:

– Ejemplos en las instituciones públicas: OpenData.

– Ejemplos en el mundo empresarial: ejemplos de aplicabilidad del Big Data a la eficiencia de las operaciones de una compañía.

– “Data for Good”: Big Data para el bien social.

– Reflexiones finales sobre el impacto del Big Data en los años venideros.